問題解決フレームワークとプロセス｜使い分け・AI活用

問題解決フレームワークとは？プロセスとの関係

ビジネスにおける問題解決は、現状とあるべき姿のギャップを捉え、重要な問題を見極め、解決策を実行して改善につなげる活動です。経営判断から日々の業務改善まで、幅広い場面で求められます。

プロセスは「考える順番」、フレームワークは「各段階で考えるための視点や枠組み」です。例えば、問題を定義する段階ではAsIs-ToBe分析、問題を分解する段階ではロジックツリーなどを使います。枠を埋めることを目的にせず、次に何を判断するための分析なのかを意識しましょう。

組織で共通の型を使うと、「何を問題とするか」「どこを優先するか」「どう解決するか」を話し合いやすくなります。生成AIを活用する場合も、人間が検討の目的と枠組みを定め、出てきた仮説やアイデアを評価することが重要です。

問題解決のプロセス｜基本3ステップから実行へ

本記事では、問題解決の全体像をWhat（問題定義）→Where（問題特定）→How（解決策立案）→Actions（実行）の4段階で整理します。実行前の検討に当たるのが、What→Where→Howの3ステップです。

1. 問題定義（What）：そもそも解くべき問題は何かを明確にする。
2. 問題特定（Where）：問題を分け、最も重要な課題を選ぶ。
3. 解決策立案（How）：解決の基本方針と具体策を検討し、優先順位を決める。
4. 実行（Actions）：解決策を実行し、効果を評価して改善・定着につなげる。

いきなり手段や実行の話に進まず、まずWhat→Where→Howの全体像に大まかな当たりをつけます。問題と解決策のつながりや現場の実態とのずれを確認し、各段階を行き来しながら精度を高めます。一つの段階を細かく分析し尽くしてから次へ進むより、全体の整合性を早めに確かめることを重視します。

ステップ1．問題定義（What）

最初に、取り組むべき問題を明確にします。「誰の、どのような問題を解くのか」を、関係者が同じ意味で理解できる言葉にすることが、この段階の目的です。

問題を仮設定し、解決可能なサイズに再定義する

実務では、「売上が伸びない」「仕事が進めにくい」といった曖昧な違和感から検討が始まります。まず問題を仮設定し、対象者や状況、目指す状態を具体化しながら、解く価値があり、かつ解決可能なサイズに再定義します。最初から一度で正しい問題を定義しようとせず、分析や対話を通じて見直しましょう。

AsIs-ToBe分析｜現状とあるべき姿のギャップを明確にする

AsIs-ToBe分析は、現状（AsIs）とあるべき姿（ToBe）の差を「問題」として捉える基本的な枠組みです。「何となく困っている」という状態を、比較できる目標と現状の組み合わせに変えます。

問題定義のポイント｜数値・期限・対象を具体化する

誰が、いつ、どこで、どのような状態を目指すのかを具体化し、可能な範囲で数値や期限を示します。この段階では解決策を先に決めず、まず現状と目標の認識をそろえます。

AsIs-ToBeによる問題定義の具体例

営業部門の例：今期売上目標1億円に対し、現在の売上が5,000万円で残り3か月なら、「残り3か月で必要な売上は5,000万円」と整理できます。実務では着地見込みも確認し、目標に届かない見込み額を明確にします。

品質改善の例：同じ指標で測った誤差率が現状1%、品質基準が0.1%以内なら、「誤差率を1%から0.1%以下へ下げる」と具体化できます。「品質が悪い」という評価だけでなく、何をどこまで改善するかを共有します。

ジョブ理論とペルソナ｜誰の、どんな困りごとかを捉える

AsIs-ToBeが「現状と目標の差」を捉えるのに対し、ジョブ理論は「特定の状況で、その人が何を成し遂げたいのか」を掘り下げます。製品やサービスの機能だけでなく、利用する目的や背景から問題を考える枠組みです。

最初に決めたいのは、問題の主語が誰かです。同じ「サービス改善」でも、顧客を主語にすると利用体験の課題、社員を主語にすると提供業務の課題が見えてきます。ジョブ理論は、顧客向けサービスにも社内業務改善にも応用できます。

問題定義の具体例：平日のランチ
営業部の田中さんは、着任したばかりで周辺の店をよく知りません。13時から来客があり遅れられませんが、温かい食事を取ってリフレッシュしたいと考えています。このような人物像と状況を想定して整理します。

この段階では「アプリを作る」などの手段を決めず、まず誰が何を達成できずに困っているのかを捉えます。ペルソナや課題は仮説として置き、観察やヒアリングなどを通じて実態に合うか確認します。

生成AIには、異なる視点の問題定義やペルソナの候補づくりを支援させられます。候補を比較し、実情に合う言葉へ修正したうえで、「今回、誰のどの問題を解くか」について関係者で合意しましょう。

参考：問題定義とは？ビジネス課題を解決する「問い」の立て方と実践

ステップ2．問題特定（Where）

定義した問題を「分ける」「選ぶ」ことで、どこに取り組むべきかを絞り込みます。問題の全体像を可視化したうえで、最も重要な課題を選ぶ段階です。

①問題を分ける｜要素やプロセスで全体像を捉える

「売上が伸びない」「業務のミスが多い」という大きな問題のままでは、対策も抽象的になりがちです。構成要素や業務の流れに分解すると、どこを詳しく調べるべきかが見えてきます。分解しただけで原因が確定するわけではないため、数値や現場の事実と照合しながら問題の所在を絞ります。

ロジックツリー・MECE｜問題を構成要素に分ける

ロジックツリーは、問題を構成要素に分け、ツリー状に整理するフレームワークです。MECE（モレなくダブりなく）を意識して分解すると、見落としや重複を減らせます。

例えば売上を「顧客数×顧客単価」に分け、顧客数を新規・既存、顧客単価を1回当たりの購入金額と購入回数に分けて考えます。顧客数が変わらず購入回数が減っているなら、購入頻度が下がった背景を調べる、といった分析につながります。

参考：MECE（ミーシー）とは？具体例で学ぶ基本と生成AI時代の思考構造化スキル

プロセス分解｜業務の流れからボトルネックを探す

プロセス分解は、時系列や業務フローに沿って問題を分ける方法です。構成要素を把握したいときはロジックツリー、どの工程で停滞や負担が生じているかを知りたいときはプロセス分解が役立ちます。

例えば購買行動を「認知→興味→検索→購入→発信」と分けると、検索段階で情報が見つからないといった問題を検討できます。経費精算なら「経費発生→保管→申請準備→システム入力→承認待ち」と分け、手入力の負担や承認の遅れなどを調べます。

カスタマージャーニーマップ｜行動とジョブから課題を捉える

カスタマージャーニーマップは、顧客の体験を時系列で可視化する手法です。本記事では、各段階の行動・ジョブ・ジョブを妨げる課題を整理します。業務や利用の流れに加え、本人が何を達成したいのかを捉えられる点が特徴です。

顧客の行動だけでなく、必要に応じて思考や感情も整理します。社内業務改善なら、社員が仕事を進める過程として読み替えられます。生成AIで作った内容は仮説として扱い、実際の行動や困りごとと合っているか確認しましょう。

②重要課題を選ぶ｜評価軸を決めて優先順位をつける

課題を洗い出したら、すべてに取り組もうとせず、評価軸を決めて重要な課題を一つ、または少数に絞ります。評価軸の例は次のとおりです。

• 顧客起点の課題：課題の大きさ×自社貢献度。顧客にとっての重要性と、自社の強みを活かせる度合いで評価します。
• 社内業務の課題：課題の大きさ×発生頻度。1回当たりの負担だけでなく、繰り返し起こる影響も捉えます。

例えば各軸を1〜5点で評価する場合は、点数の意味を先にそろえます。数字だけで機械的に決めず、評価の根拠も確認し、「どの課題を最優先で解決するか」に合意することが大切です。

問題を分けて重要課題を選ぶ過程では、その背景も確認します。例えば「提案後の成約率が低い」なら、要件確認や提案のタイミングなどを調べ、どこに取り組めば改善につながるかを考えます。分析をWhereかWhyかに分類することより、事実を踏まえて取り組むべき課題を具体化することが重要です。

ステップ3．解決策立案（How）と実行（Actions）

優先課題に対し、解決の基本方針と具体策を検討します。アイデアを広げる「発散」と、評価して絞る「収束」を使い分け、限られたリソースをどこに投入するかを決めます。

①アイデアを出す｜発散して選択肢を広げる

最初から一つの案に絞らず、多様な解決策を出して比較できる状態をつくります。多くの案を出し、評価して絞り込む「多産多死」の考え方です。生成AIは、異なる視点の案を出したり、候補を整理したりする支援に使えます。

デジタル技術の導入だけでなく、業務手順、役割分担、情報の伝え方なども含めて考えましょう。アイデアの数を増やすこと自体を目的にせず、課題解決につながる選択肢を広げます。

基本方針＋具体策｜解決の方向と手段をセットで考える

解決策は、「どういう方向性で解決するか」と「何をするか」をセットで整理します。具体策だけを並べるより、提案の意図が伝わり、関係者が比較・修正しやすくなります。

• 基本方針：課題を解決するための考え方や方向性。
• 具体策：基本方針を実現する具体的な行動や仕組み。

例えば経費精算の手入力負担を減らす場合、基本方針を「同じ情報を繰り返し入力しない」とし、具体策として「カード明細との連携」「読み取った領収書情報の再利用」などを検討できます。基本方針を先に固定しすぎず、具体策と行き来しながら実効性を高めます。

②アイデアを評価する｜効果・コスト・実現可能性で絞る

解決策の候補を整理したら、評価軸に沿って比較します。代表的な軸は次の3つです。

• 課題解決インパクト：どれだけ課題の解消に貢献するか。
• 実行コスト／労力：実行に必要な費用や負担はどの程度か。
• 実現可能性：技術、体制、期間などの条件から実行できるか。

各軸を1〜5点で評価し、5を高評価とするなら、コスト・労力は小さいほど、実現可能性は高いほど高得点にします。目的に応じて期間やスピードも考慮し、採用する基本方針と具体策、優先順位について合意します。

ステップ4．実行（Actions）への橋渡し｜サマリーシートで整理する

実行に移る前に、問題定義から解決策までを1枚にまとめ、論理がつながっているかを確認します。

「誰のどんなジョブを支援するのか」「どの課題に取り組むのか」「なぜその基本方針と具体策を選ぶのか」を、検討に参加していない人にも伝わる言葉にします。

実行段階では、担当者、期限、確認する成果指標を決め、実施後に効果を評価します。想定した効果が出なければ、解決策だけでなく問題の捉え方や優先順位も見直しましょう。

What→Where→Why→Howの問題解決プロセスとの違い

問題解決の進め方には、What→Where→Why→Howと、原因分析（Why）を独立させる整理もあります。

• What：何が問題かを定義する。
• Where：どこに問題があるかを特定する。
• Why：なぜその問題が起きているかを分析する。
• How：どう解決するかを検討する。

この4ステップは、実行前の検討を4つに分けたものです。前述の「What→Where→How→Actions」は実行を含む全体像であり、同じ4段階でも区切り方が異なります。

実務でWhyを独立させず、3ステップを推奨する理由

本記事では、実務で使う問題解決プロセスとしてWhat→Where→Howの3ステップを推奨します。WhereとWhyを厳密に区別しながら議論を進めるには、問題解決について十分な訓練と経験が必要です。現場で共有し、解決策につなげることを重視すると、3ステップで進める方が現実的だと考えています。

1. WhereとWhyを切り分け続けることが難しい
   問題を要素やプロセスに分け、重要な課題を探る中では、原因に関わる検討も行われます。特に組織や業務などの問題では、どこまでが問題特定で、どこからが原因分析かを明確に区切りにくく、段階の区別そのものに議論を費やしがちです。
2. 生成AIでも分析が重複しやすい
   4ステップで生成AIに分析させると、Whereで原因に踏み込んだ整理をした後、Whyで似た内容をさらに細分化することがあります。分析量が増えても、優先すべき課題や解決策が明確になるとは限りません。3ステップで検討の目的をそろえることで、重複を減らし、全体のつながりを確認しやすくします。
3. 全体像を捉えてから精度を高めやすい
   まずWhat→Where→Howを一通り考え、問題と解決策の論理がつながっているか、現場目線で違和感がないかを確かめます。そのうえで必要な部分を掘り下げ、各段階を行き来しながら改善します。

Whyを独立した段階にしないことは、原因や背景を考えないという意味ではありません。解決に必要な分析を行いながら、実務で扱いやすい単位で問題解決を進めるための整理です。

参考：問題解決プロセスにWhyはいらない（Whereがあれば良い）

生成AIを活用する3つのメリットと人間の役割

生成AIは、問題定義・問題特定・解決策立案の各段階で、仮説やアイデアの候補づくりを支援します。フレームワークに沿って検討を進めることで、比較しやすい形で案を整理できます。

1．短時間で複数の分析仮説を検討できる

問題の捉え方、ジョブやペルソナ、カスタマージャーニーなどの原案を複数作成できます。出力は正解として扱わず、実際のデータや現場の状況と照らし合わせて確認します。

2．問題解決プロセスを繰り返し検討できる

問題定義から解決策立案までを行き来し、前提や仮説を修正できます。AIとの対話で検討を進めつつ、実行後の結果も使って見直すことで、仮説・実行・検証のサイクルにつなげます。

3．アイデアの選択肢を広げられる

異なる視点から解決策の候補を出し、共通点や違いを整理する支援に使えます。人間が評価軸に沿って比較し、課題に合った案を選びます。

生成AIとの共創｜問いと判断を人間が担う

人間が問いと枠組みを設定し、AIと協働してアイデアを出し、整理したうえで、人間が意思決定と組織内の合意形成を行うことが基本です。これは問題定義・問題特定・解決策立案の各段階に共通します。

活用前には、AIに役割と進め方、会社・部署の業務内容、検討したいテーマを共有します。例えば社内業務改善なら、次のように段階を分けて進めます。

1. 問題定義：業務の状況を伝え、誰のどの困りごとを扱うか、複数の捉え方を出してもらう。
2. 問題特定：合意した問題定義を渡し、業務の分解案や課題候補を出してもらう。実態と照合して重要課題を選ぶ。
3. 解決策立案：選んだ課題を渡し、基本方針と具体策をセットで複数出してもらう。効果・コスト・実現可能性を比較する。

各段階で前の検討結果を引き継ぎ、AIの回答をそのまま転記せず、人間が内容を修正・判断します。組織で取り組む場合は、何を採用し、なぜ選んだかも共有しましょう。

生成AI時代の問題解決研修では、自社の実務テーマを使い、問題定義・問題特定・解決策立案をグループで検討します。各段階で認識をすり合わせ、合意した内容をワークシートに整理します。

関連：生成AI活用研修とは｜ChatGPT・Copilot×王道ビジネスフレームワークで組織課題解決

問題の背景を広く捉えるフレームワーク5選

ここまでの手法に加え、事業環境や経営資源を広く確認したい場合は、次のフレームワークが役立ちます。毎回すべてを使う必要はありません。問題の前提を確認したり、解決の方向性を検討したりする際に、目的に合わせて組み合わせます。

PEST分析｜外部環境の変化を確認する

政治・経済・社会・技術の4つの視点で、事業に影響するマクロ環境を整理します。市場や制度、技術の変化を踏まえ、「解くべき問題の前提が変わっていないか」を確認したい場合に役立ちます。

詳しくは、PEST分析の解説をご覧ください。

3C分析｜市場・競合・自社を整理する

Customer（市場・顧客）、Competitor（競合）、Company（自社）の関係を整理します。売上低下などの問題について、顧客ニーズの変化、競合の動き、自社の対応を比較し、詳しく調べる論点を見つけるのに役立ちます。

詳しくは、3C分析の解説をご覧ください。

5F分析｜業界の構造と収益性を捉える

既存企業間の競争、新規参入、代替品、買い手、売り手の5つの競争要因を確認します。収益性の問題を考える際に、業界構造による影響を整理するために使います。

詳しくは、5F分析の解説をご覧ください。

SWOT分析・クロスSWOT分析｜状況整理から方向性を考える

SWOT分析では、内部環境の強み・弱みと、外部環境の機会・脅威を整理します。クロスSWOT分析では、それらを組み合わせ、自社の強みを活かすなどの戦略や解決の方向性を検討します。

詳しくは、SWOT分析・クロスSWOT分析の解説をご覧ください。

ヒト・モノ・カネ・情報｜経営資源を確認する

人材、設備・物資、資金、情報の観点で、必要な資源や活用状況を確認します。問題の背景に資源不足や配分の偏りがないかを調べるときや、解決策の実行条件を検討するときに使えます。

詳しくは、ヒト・モノ・カネとDX時代の経営資源をご覧ください。

まとめ

問題解決フレームワークは、目的とプロセスに合わせて使い分けることが大切です。まずWhatで解くべき問題を定義し、Whereで分けて重要課題を選び、Howで基本方針と具体策を検討します。そのうえで実行し、結果を評価して改善につなげます。

組織で活用する際は、各段階で「何を問題とするか」「何を優先するか」「どう解決するか」に合意しましょう。生成AIは仮説やアイデアの検討を支援しますが、事実の確認と最終判断は人間が担います。

自社の実務テーマでこの進め方を身につけたい方は、生成AI時代の問題解決研修をご覧ください。問題解決の型と生成AIとの役割分担を、グループでの検討を通じて実践します。